运行档案 / T1:val / 10-02 20:29
screen_abcd / C 组
先看终选决定，再沿节点查看方法、代码改动和对话证据。
终选程序?按该运行锁定的规则最终选出的程序；可能是候选节点，也可能由护栏回退到基线。
n52
本运行目标 50.84（种子 0 单次）
节点?搜索树里的每个候选程序。
75
已打分 62
官网分?官网 P2 返回的真实分数。
47.8
官网 P2 返回
大模型调用次数?各角色（调研员、工程师、分析员、审查员）调用大模型的次数。
306
分析员 60、native 215、审查员 31
实际结果与评分依据
搜索目标、护栏和诊断分开阅读。不同真值分片或 seed 的同名尺子保留各自记录。
| 尺子 | 用途 | 分数 | 评分上下文 |
|---|---|---|---|
| X3 | 搜索目标复测 | 50.8 | 真值 B 半 / 3 个 seed均值 |
| X1 | 终检诊断 | 49.0 | 全部真值 / 1 个 seed单次 |
| X4 | 终检诊断 | 48.7 | 全部真值 / 1 个 seed单次 |
| X5 | 终检诊断 | 46.9 | 全部真值 / 1 个 seed单次 |
| X6 | 终检诊断 | 45.3 | 全部真值 / 1 个 seed单次 |
| proxy | 诊断记录 | 46.8 | 真值 B 半 / 1 个 seed单次 |
| T1:val | 官网结果 | 47.8 | 提交预测对应的评分 |
来历?终选程序从种子程序一步步改过来的路径，每一步都写了改了什么、分数变了多少。
括号里的分差只表示变化方向，不代表统计显著性。
n49 草稿
改了什么
搜索目标分 52.29 · X3 52.29 · 3 次复测均分 50.13
分析员结论?分析员（Analyst）看完分数后写下的第一条经验。：在 T1 上把确定性 OT 耦合位移换成 [SF]^2M 桥漂移 + 输出端 PCA 各向同性噪声(NOISE_OUT=0.3)时，榜分只 +1.64（噪声内），但分组剧烈重排：cell_state +15.2 而 covariation -8.8、de_recovery -5.9——输出端注入的各向同性噪声换来分布层面匹配、破坏基因间协变与 DE 恢复，在总分上近似抵消。
审查意见?审查员（Reviewer）检查程序是否越界读取、写死目标或钻评分器漏洞后的意见。 通过 1 越界读取：未发现问题。run.py 只通过 src.task1_temporal.view_io 的 load_manifest/panel_genes/read_stage/write_prediction 访问视图数据（run.py:35, g37_common.py:16），无绝对路径、.. 、/mnt、/home、data/raw、打分器路径，无联网代码。; 2 硬编码目标统计量：未发现问题。全部数值均为算法超参（N_HVG
↓
改了什么
搜索目标分 53.15（+0.9） · X3 53.15（+0.9） · 3 次复测均分 50.84
分析员结论：在 [SF]²M 输出端用经验协方差 Cholesky 噪声替代各向同性噪声，covariation +4.26、de_recovery +3.59，但 cell_state 仍比父节点低 3.32：协方差形状噪声保住了基因间相关结构，却没有恢复多样性指标。
审查意见 通过 1 未发现问题：run.py 与 g37_common.py 仅通过框架 src.task1_temporal.view_io 读取视图内输入（load_manifest/read_stage/panel_genes），无绝对路径、'..'、/mnt、/home、打分器路径或网络访问。; 2 未发现问题：run.py:37-49 的常量均为方法超参数（N_HVG、SIGMA、NOISE_OUT、CLIP_SD、COV_REG 等）；g3
搜索树?每个点是一个节点，连线从父节点指向子节点；颜色表示结果。
蓝色粗线是来历路径；鼠标停在点上看节点，点一下打开节点页。
已打分?程序正常跑完并拿到分数。生成失败?会话没能产出可用的程序。被中断?因重启或大模型接口故障中断，不计入搜索。
搜索分数的变化?横轴是从运行开始算起的分钟数，纵轴是到那时为止最好的搜索目标分。
全部节点与对话（75）
| 节点 | 父节点 | 操作?种子：人写的起点；改进：在父节点上改；草稿：从头写；修复：修父节点的报错。 | 状态 | 搜索目标分?搜索用来比较节点的分数（各把尺子按权重合成，种子 0 单次）。 | 比父节点?这个节点的分数减去它父节点的分数；正数是变好。 | X3?用外部公开数据造的同类型题。 | 3 次复测?换 3 个随机种子各跑一次取平均 ± 标准差，比单次分更稳。 | 审查 | 用时?从运行开始到结束（或到现在）的挂钟时间。 | 方法说明?节点程序自带的 METHOD.md：这个程序做了什么、为什么。 |
|---|---|---|---|---|---|---|---|---|---|---|
| n1 | — | 种子 | 已打分 | 47.9 | — | 47.9 | 48.4 | 通过 | 不到 1 分 | seed copy_last |
| n2 | — | 种子 | 已打分 | 50.7 | — | 50.7 | 48.9 | 通过 | 不到 1 分 | ot_moscot — Waddington-OT / moscot coupling, one-step displacement extrapolation |
| n3 | n1 | 改进 | 已打分 | 46.0 | -1.9 | 46.0 | 46.2 | 未审查 | 5 分 | 改了什么 |
| n4 | n2 | 改进 | 已打分 | 52.1 | +1.5 | 52.1 | 50.2 | 通过 | 9 分 | 改了什么 |
| n5 | n1 | 改进 | 已打分 | 47.9 | -0.0 | 47.9 | 48.1 | 未审查 | 7 分 | 改了什么 |
| n6 | — | 草稿 | 生成失败 | — | — | — | — | 未审查 | 9 分 | — |
| n7 | n1 | 改进 | 已打分 | 46.3 | -1.6 | 46.3 | 46.8 | 未审查 | 12 分 | 改了什么 |
| n8 | n2 | 改进 | 已打分 | 51.8 | +1.1 | 51.8 | 49.9 | 通过 | 5 分 | 改了什么 |
| n9 | n5 | 改进 | 生成失败 | — | — | — | — | 未审查 | 2 分 | — |
| n10 | n1 | 改进 | 已打分 | 49.0 | +1.1 | 49.0 | 48.9 | 未审查 | 5 分 | 改了什么 |
| n11 | n8 | 改进 | 已打分 | 51.7 | -0.0 | 51.7 | 50.0 | 通过 | 5 分 | 改了什么 |
| n12 | n5 | 改进 | 已打分 | 47.4 | -0.5 | 47.4 | — | 未审查 | 5 分 | 改了什么 |
| n13 | n7 | 改进 | 已打分 | 49.0 | +2.7 | 49.0 | 48.9 | 未审查 | 5 分 | 改了什么 |
| n14 | n11 | 改进 | 已打分 | 51.8 | +0.0 | 51.8 | 49.9 | 通过 | 6 分 | 改了什么 |
| n15 | — | 草稿 | 已打分 | 51.1 | — | 51.1 | 49.6 | 通过 | 7 分 | 改了什么 |
| n16 | n15 | 改进 | 已打分 | 51.7 | +0.6 | 51.7 | 50.4 | 通过 | 6 分 | 改了什么 |
| n17 | n10 | 改进 | 已打分 | 49.0 | +0.0 | 49.0 | — | 未审查 | 5 分 | 改了什么 |
| n18 | — | 草稿 | 已打分 | 50.0 | — | 50.0 | 47.5 | 未审查 | 9 分 | 改了什么 |
| n19 | n4 | 改进 | 已打分 | 52.3 | +0.2 | 52.3 | 50.4 | 通过 | 6 分 | 改了什么 |
| n20 | n18 | 改进 | 已打分 | 49.9 | -0.1 | 49.9 | — | 未审查 | 14 分 | 改了什么 |
| n21 | n1 | 改进 | 已打分 | 48.6 | +0.7 | 48.6 | — | 未审查 | 3 分 | 改了什么 |
| n22 | n11 | 改进 | 已打分 | 47.9 | -3.9 | 47.9 | — | 未审查 | 5 分 | 改了什么 |
| n23 | n12 | 改进 | 已打分 | 46.3 | -1.0 | 46.3 | — | 未审查 | 3 分 | 改了什么 |
| n24 | n17 | 改进 | 已打分 | 49.3 | +0.3 | 49.3 | — | 未审查 | 7 分 | 改了什么 |
| n25 | n22 | 改进 | 已打分 | 51.5 | +3.6 | 51.5 | 49.7 | 通过 | 5 分 | 改了什么 |
| n26 | n5 | 改进 | 已打分 | 48.1 | +0.2 | 48.1 | — | 未审查 | 7 分 | 改了什么 |
| n27 | n21 | 改进 | 已打分 | 49.3 | +0.7 | 49.3 | — | 未审查 | 5 分 | 改了什么 |
| n28 | — | 草稿 | 已打分 | 46.4 | — | 46.4 | — | 未审查 | 7 分 | 改了什么 |
| n29 | n4 | 改进 | 已打分 | 51.0 | -1.1 | 51.0 | 48.9 | 通过 | 5 分 | 改了什么 |
| n30 | n20 | 改进 | 已打分 | 49.3 | -0.6 | 49.3 | — | 未审查 | 4 分 | 改了什么 |
| n31 | n28 | 改进 | 已打分 | 49.9 | +3.4 | 49.9 | — | 未审查 | 4 分 | 改了什么 |
| n32 | n25 | 改进 | 已打分 | 50.7 | -0.8 | 50.7 | 48.9 | 通过 | 2 分 | 改了什么 |
| n33 | n16 | 改进 | 已打分 | 50.5 | -1.2 | 50.5 | 49.4 | 通过 | 2 分 | 改了什么 |
| n34 | n19 | 改进 | 已打分 | 52.3 | -0.0 | 52.3 | 50.4 | 通过 | 7 分 | 改了什么 |
| n35 | — | 草稿 | 已打分 | 50.1 | — | 50.1 | 50.5 | 通过 | 6 分 | 改了什么 |
| n36 | n35 | 改进 | 已打分 | 49.0 | -1.1 | 49.0 | — | 未审查 | 6 分 | 改了什么 |
| n37 | n16 | 改进 | 已打分 | 52.2 | +0.6 | 52.2 | 50.7 | 通过 | 5 分 | 改了什么 |
| n38 | — | 草稿 | 已打分 | 50.7 | — | 50.7 | 48.9 | 通过 | 6 分 | 改了什么 |
| n39 | n20 | 改进 | 已打分 | 49.4 | -0.5 | 49.4 | — | 未审查 | 20 分 | 改了什么 |
| n40 | n38 | 改进 | 已打分 | 50.1 | -0.5 | 50.1 | — | 未审查 | 7 分 | 改了什么 |
| n41 | n5 | 改进 | 已打分 | 48.4 | +0.5 | 48.4 | — | 未审查 | 5 分 | 改了什么 |
| n42 | n40 | 改进 | 已打分 | 51.7 | +1.5 | 51.7 | 49.7 | 通过 | 2 分 | 改了什么 |
| n43 | — | 草稿 | 已打分 | 50.4 | — | 50.4 | 48.3 | 通过 | 6 分 | 改了什么 |
| n44 | n19 | 改进 | 已打分 | 52.1 | -0.2 | 52.1 | 50.2 | 通过 | 5 分 | 改了什么 |
| n45 | n43 | 改进 | 已打分 | 50.0 | -0.4 | 50.0 | — | 未审查 | 8 分 | 改了什么 |
| n46 | — | 草稿 | 已打分 | 50.8 | — | 50.8 | 48.8 | 通过 | 12 分 | 改了什么 |
| n47 | n38 | 改进 | 已打分 | 46.9 | -3.7 | 46.9 | — | 未审查 | 2 分 | 改了什么 |
| n48 | n8 | 改进 | 生成失败 | — | — | — | — | 未审查 | 2 分 | — |
| n49 | — | 草稿 | 已打分 | 52.3 | — | 52.3 | 50.1 | 通过 | 10 分 | 改了什么 |
| n50 | n46 | 改进 | 已打分 | 50.6 | -0.1 | 50.6 | 48.6 | 通过 | 7 分 | 改了什么 |
| n51 | — | 草稿 | 已打分 | 51.0 | — | 51.0 | 49.0 | 通过 | 4 分 | 改了什么 |
| n52 | n49 | 改进 | 已打分 | 53.1 | +0.9 | 53.1 | 50.8 | 通过 | 5 分 | 改了什么 |
| n53 | n51 | 改进 | 已打分 | 50.9 | -0.1 | 50.9 | 48.9 | 通过 | 6 分 | 改了什么 |
| n54 | n37 | 改进 | 已打分 | 51.0 | -1.2 | 51.0 | 49.8 | 通过 | 3 分 | 改了什么 |
| n55 | — | 草稿 | 生成失败 | — | — | — | — | 未审查 | 6 分 | — |
| n56 | n38 | 改进 | 已打分 | 44.0 | -6.7 | 44.0 | — | 未审查 | 3 分 | 改了什么 |
| n57 | n20 | 改进 | 已打分 | 49.1 | -0.8 | 49.1 | — | 未审查 | 4 分 | 改了什么 |
| n58 | n35 | 改进 | 被中断 | — | — | — | — | 未审查 | 1 分 | — |
| n59 | — | 草稿 | 已打分 | 52.4 | — | 52.4 | 50.0 | 通过 | 11 分 | 改了什么 |
| n60 | n52 | 改进 | 已打分 | 52.8 | -0.3 | 52.8 | 50.7 | 通过 | 3 分 | 改了什么 |
| n61 | n19 | 改进 | 已打分 | 52.3 | -0.0 | 52.3 | 50.4 | 通过 | 4 分 | 改了什么 |
| n62 | n19 | 改进 | 生成失败 | — | — | — | — | 未审查 | 2 分 | — |
| n63 | n38 | 改进 | 已打分 | 44.2 | -6.4 | 44.2 | — | 未审查 | 6 分 | 改了什么 |
| n64 | n61 | 改进 | 生成失败 | — | — | — | — | 未审查 | 2 分 | — |
| n65 | n16 | 改进 | 生成失败 | — | — | — | — | 未审查 | 1 分 | — |
| n66 | n60 | 改进 | 生成失败 | — | — | — | — | 未审查 | 1 分 | — |
| n67 | n2 | 改进 | 已打分 | 51.7 | +1.1 | 51.7 | 49.8 | 通过 | 2 分 | 改了什么 |
| n68 | n37 | 改进 | 生成失败 | — | — | — | — | 未审查 | 不到 1 分 | — |
| n69 | n7 | 改进 | 已打分 | 49.3 | +3.1 | 49.3 | — | 未审查 | 4 分 | 改了什么 |
| n70 | n45 | 改进 | 已打分 | 51.7 | +1.7 | 51.7 | 49.8 | 通过 | 3 分 | 改了什么 |
| n71 | n50 | 改进 | 生成失败 | — | — | — | — | 未审查 | 1 分 | — |
| n72 | — | 草稿 | 生成失败 | — | — | — | — | 未审查 | 11 分 | — |
| n73 | — | 草稿 | 已打分 | 49.8 | — | 49.8 | — | 未审查 | 7 分 | 改了什么 |
| n74 | — | 草稿 | 被中断 | — | — | — | — | 未审查 | 17 分 | — |
| n75 | n73 | 改进 | 已打分 | 50.5 | +0.7 | 50.5 | 48.6 | 通过 | 6 分 | 改了什么 |
资源消耗与失败情况
生成失败 11 被中断 2
| 角色?调研员写计划、工程师改代码、分析员解读分数、审查员检查作弊。 | 大模型调用次数 | 失败 | 总用时 | 输入 token 数?输入 / 输出（含思考）的 token 数，来自接口返回的用量。 | 输出 token |
|---|---|---|---|---|---|
| 分析员 | 60 | 0 | 51 分 | 582,965 | 135,556 |
| native | 215 | 0 | 4 小时 40 分 | 4,825,568 | 741,915 |
| 审查员 | 31 | 0 | 37 分 | 576,629 | 103,027 |
运行配置与来源
| 运行?一次完整的自动搜索或 Agent 会话，有自己的锁定配置和证据包。 | 20261002-202908-search-t1-scr-C 10-02 20:29 · 自动搜索 · T1:val · screen_abcd · C 组 · scr |
|---|---|
| 题目?比赛的哪道题、哪个阶段，例如 T1:val 是第 1 题的验证阶段。 | T1:val |
| 方式?自动搜索：ERA 式搜索树，多个节点不断改进程序；单 Agent：一个 Agent 会话从头做到尾。 | 自动搜索 |
| 搜索目标?这次运行用哪几把尺子、按什么权重合成分数来比较节点；目标不同的运行，最佳分不能直接比。 | X3；终检 X1、X6、X4、X5；护栏 X3；诊断 proxy |
| 状态 | 已结束 |
| 开始 / 结束 | 10-02 20:29 / 10-03 00:49 |
| 用时 | 4 小时 20 分 / 预算 4 小时 30 分 |
| 所在副本?运行目录所在的代码副本（Spark 上 ~/vec 下的哪个目录）。 | 2026_virtual_embryo |
出处?这次运行用的代码、配置、数据和模型的指纹，靠它们可以原样找回并复现。
| 代码版本?运行锁定时代码仓库的 git 提交号；带 +dirty 表示当时有未提交的改动。 | ef9306882c5ce000b0d66dd6ac17a37c661c7ec5 |
|---|---|
| 版本标签?可提交运行在锁定的提交上打的 git 标签 run/<运行编号>，以后能原样找回代码。 | — |
| 配置文件 | /home/spark-longxinyang/vec/runs/formal/20261002-202908-search-t1-scr-C/config_source.yaml 配置指纹 b33ba20c4af378de |
| 锁定指纹?启动时把配置、代码、提示词等全部锁定后算出的总指纹。 | 119d2c272d3bf7c1 锁定格式 v8 |
| 运行专用代码副本?启动时为这次运行单独检出的一份只读代码；运行全程只读它，不受主副本更新影响。 | 目录存在 /home/spark-longxinyang/vec/runs/formal/20261002-202908-search-t1-scr-C/code |
| 打分口径指纹?打分器、数据视图、种子等合起来的指纹；指纹相同，分数才能直接比较。 | fb88301e4aba02c2 |
| 数据视图指纹?程序能看到的输入数据文件的指纹，按视图汇总成一个短指纹。 | final：24 个文件，指纹 1ea9a3d2b62ff9fd proxy：19 个文件，指纹 604f04735239a30a test：120 个文件，指纹 4251258f721da0d4 views：2 个文件，指纹 a67144954f88da68 |
| 大模型?每个角色用的大模型；括号里是接口实际报告的模型名。 | 分析员：alibaba-token-plan-cn/qwen3.8-max （接口报告 qwen3.8-max） 工程师：alibaba-token-plan-cn/qwen3.8-max （接口报告 qwen3.8-max） 调研员：alibaba-token-plan-cn/qwen3.8-max （接口报告 qwen3.8-max） 审查员：alibaba-token-plan-cn/qwen3.8-max （接口报告 qwen3.8-max） |
| 运行目录 | /home/spark-longxinyang/vec/runs/formal/20261002-202908-search-t1-scr-C 主机 spark-ad3f |
| 提交账本?notes/changelogs/submissions.tsv：每次上传官网的记录和返回的官网分。 | 第 27 行 · 2026-10-02 · T1:val · 预测文件指纹 d849b1cbd18b9cbe · 官网分 47.8 |
| 迭代报告?运行结束后自动生成的中文复盘报告（notes/reports/runs）。 | 还没有迭代报告 |